基于鲁棒优化的电动公交混合充电站充电时刻表设计方法

    公开(公告)号:CN113627645B

    公开(公告)日:2024-01-19

    申请号:CN202110749426.7

    申请日:2021-07-02

    Applicant: 东南大学

    Abstract: 本发明公开了基于鲁棒优化的电动公交混合充电站充电时刻表设计方法,包括:搭建混合式电动公交充电站框架,确定问题及参数变量;声明基本假设与条件;建立确定性优化模型;考虑进站剩余电量的不确定性,构建基于预算不确定集的鲁棒优化问题;运用仿射变换,将“观望变量”转换为“当下变量”,构建仿射式可调鲁棒对等模型;基于强对偶理论和对偶转换,形成可解的鲁棒优化模型,进行充电时刻表的设计。本发明创新性地融合插入式充电和换电充电,并考虑了进站时车辆剩余电量的不确定性,采用鲁棒优化,基于强对偶定理,进行了电动公交充电时刻表设计,降低了充电成本,为混合式充电站的运营优化提供了建设性意见和可靠的技术支撑。

    基于手机信令数据的轨道交通出行者全出行链分析方法

    公开(公告)号:CN114446048B

    公开(公告)日:2023-12-05

    申请号:CN202111636605.6

    申请日:2021-12-29

    Applicant: 东南大学

    Abstract: 本发明公开了基于手机信令数据的轨道交通出行者全出行链分析方法,包括:提取轨道交通出行者的手机信令数据信息,识别出行者的出行轨迹段、途经站点及起终站点数据;基于轨道交通线网拓扑结构,根据出行者每一趟次的出行轨迹段和途经站点,对出行者每一趟次的换乘站点进行识别,得到出行者真实的出行轨迹及换乘站点序列;识别得到出行者每一趟次的来源地和去向地并进行验证;根据出行者每一趟次的来源地和去向地对出行者对应趟次的出行轨迹进行分段,识别得到出行者的接驳方式,由此得到出行者的全出行链分析结果。本发明实现轨道出行者的全出行链分析,对研究轨道系统的运行现状,从而根据现状需求,进行线网规划与调整具有重要的意义。

    一种信号控制人行横道中间安全岛上人数估计方法

    公开(公告)号:CN115240441B

    公开(公告)日:2023-04-25

    申请号:CN202210913589.9

    申请日:2022-08-01

    Applicant: 东南大学

    Abstract: 本发明公开了一种信号控制人行横道中间安全岛上人数估计方法,具体为:根据路侧行人排队需求确定路侧平均每行排队人数,根据交通流理论确定路侧行人排队消散时间及排队行人到达安全岛的达到率;确定中间安全岛排队需求与平均每行排队人数;计算中间安全岛行人排队消散时间;分别确定安全岛双向行人流入数量函数与流出数量函数;计算中间安全岛上行人人数。本发明信号控制人行横道中间安全岛上人数估计方法,考虑行人在路侧和安全岛等待过街时间内排队队列形成与消散规律,更加准确的对中间安全岛上流入和流出人数进行估计,准确估计安全岛上不同时刻内人数,有利于更加精准的满足行人站立的安全岛设施设计与基于行人站立安全的信号控制优化。

    一种基于信令数据并结合动态阈值判断出行有效性的人口交换量估计方法

    公开(公告)号:CN109978746B

    公开(公告)日:2023-02-28

    申请号:CN201910236950.7

    申请日:2019-03-27

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于信令数据并结合动态阈值判断出行有效性的人口交换量估计方法,能够利用手机网络运营商日常运营时产生收集的信令数据,低成本地获得进行交通规划所必需的不同空间尺度和时间尺度的人口交换量信息。本发明利用信令数据获取各层次的人口交换量,可以广泛应用于城市规划以及交通规划和管理,更合理高效地分有限的公共资源;此外,和传统的问卷等方式采集人口交换数据相比,基于信令数据的人口交换量估计方法成本低、准确率高,是大数据时代城市交通规划方法革新的代表之一。

    一种基于智能体仿真的家庭联合活动—出行模拟方法

    公开(公告)号:CN115203966A

    公开(公告)日:2022-10-18

    申请号:CN202210896758.2

    申请日:2022-07-28

    Applicant: 东南大学

    Abstract: 本发明提出一种基于智能体仿真的家庭联合活动—出行模拟方法,该方法包括:1、将外部数据导入多智能体模型,初始化出行者智能体、活动—出行计划以及智能体所处仿真环境;2、智能体按照计划选择模型选择活动—出行计划并执行,执行结果返回到下一步骤;3、基于群体决策理论构建家庭层面的效用函数对本次迭代执行的活动—出行计划进行分组评价,作为活动—出行计划优化依据;4、在联合计划条件约束下对智能体的活动—出行计划进行分组优化,对部分活动—出行计划进行突变;5、以迭代的方式仿真,若迭代达到平衡条件则输出交通出行模式比例分布情况和平均出行距离,否则返回2继续迭代。

    基于深度学习和多维度融合数据的车辆跟驰行为预测方法

    公开(公告)号:CN115130612A

    公开(公告)日:2022-09-30

    申请号:CN202210876936.5

    申请日:2022-07-25

    Applicant: 东南大学

    Abstract: 本发明公开了基于深度学习和多维度融合数据的车辆跟驰行为预测方法,包括以下步骤:根据微观交通流轨迹数据,提取驾驶者感知区域内其他车辆的非结构化数据;基于信息熵理论采用DIM模型对非结构化数据进行编码;将编码后非结构化数据和结构化数据进行融合;将融合之后的数据输入至深度学习模型,进行微观跟驰行为预测,输出跟驰车辆在下一时段的行驶距离。本发明提出一种同时考虑非结构化特征和结构化特征的跟驰行为预测方法,该预测方法在单步预测和多步预测任务中均有优异的性能表现;本发明方法理论性和可操作性强,通过将非结构化数据与结构化数据相融合,使得车辆对于周围环境的感知更加全面、准确。

    基于驾驶者特性的数据驱动车辆跟驰行为预测方法

    公开(公告)号:CN115081550A

    公开(公告)日:2022-09-20

    申请号:CN202210884305.8

    申请日:2022-07-25

    Applicant: 东南大学

    Abstract: 本发明公开了基于驾驶者特性的数据驱动车辆跟驰行为预测方法,包括以下步骤:分别获取两车速度随时间变化的突变点,根据速度突变点估计当前车辆的瞬时反应延迟;根据当前车辆多维时间序列的内在特征进行驾驶行为划分,对划分后的驾驶行为进行聚类,分别计算每种驾驶模式的占比;以门控循环单元GRU作为预测模型,预测模型的输入包括与当前车辆跟驰行为有关的多维时间序列,以及当前驾驶者的行为特征,预测目标为当前车辆下一时段的前进距离;多维时间序列的长度由瞬时反应延迟决定。本发明同时将驾驶者反应延迟和驾驶风格纳入跟驰模型中,基于实际数据挖掘反应延迟和驾驶模式,对不同的驾驶者进行差异化建模,更准确地估计驾驶者的跟驰行为。

    一种基于车载监控视频的公交客流统计方法

    公开(公告)号:CN114724123A

    公开(公告)日:2022-07-08

    申请号:CN202210330783.4

    申请日:2022-03-30

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于车载监控视频的公交客流统计方法,包括:基于公交车前后门车载摄像头获取前后门目标区域视频数据;利用隔帧提取的方法对视频中图像进行提取;对各帧图像进行预处理;基于背景差分信息对公交上下车乘客的运动状态进行判定,绘制各帧像素波形图,对波形图进行超阈值判断和极值处理;匹配运动区域与波形图中符合计数条件的部分,更新一次初始计数;结合波长检验与关门时长检验对公交上下车乘客的重叠性计数进行修正,获得两个修正计数结果,与初始结果进行加权运算得到最终计数结果。本发明合理利用了公交已有监控设备,减少了公交调查时的人工成本,提高了公交上下客人数的计数效率。

Patent Agency Ranking